EIN EVOLUTIONÄRES DATA WAREHOUSE AUF DER ÜBERHOLSPUR

ÖBB Logo

challenge mountain
HERAUSFORDERUNG
Wachsende Anforderungen mehrerer Geschäftseinheiten an Data Management und Data Analytics erforderten es, dass das bestehende Data Warehouse durch ein neues Enterprise Data Warehouse ersetzt wird.
solution puzzle
LÖSUNG
Implementierung eines evolutionären Data Warehouses mit einem Data-Warehouse-Generator als Kernstück, der wiederkehrende Aufgaben automatisiert.
benefit boost up
NUTZEN
Erhebliche Zeit- und Kosteneinsparungen bei Implementierungsprozessen und Einhaltung von Standards.

ÜBER ÖBB

Die ÖBB-Personenverkehr AG ist der grösste Mobilitätsdienstleister Österreichs. Mit über 4000 Zügen und 30'000 Buslinien nutzen täglich mehr als eine Million Fahrgäste das Angebot der ÖBB auf Schiene und Strasse.

DAS SAGT ÖBB ÜBER UNS

ÖBB Logo

«Für die ÖBB Personenverkehr AG war die Prämisse, einen zuverlässigen strategischen Partner im Bereich Data Warehousing wie Trivadis zu finden. Im Rahmen unseres BI-Modernisierungs- und Konsolidierungsprogramms hat ihr evolutionärer Ansatz erhebliche Vorteile gezeigt.»

Christoph Schmutz
CIO, ÖBB Personenverkehr
challenge mountain achievement

HERAUSFORDERUNG UND AUSGANGSSITUATION

Die ÖBB Personenverkehr AG, Österreichs größter Mobilitätsdienstleister, hat Terabyte an Daten zu verarbeiten: Mehr als eine Million Fahrgäste werden täglich mit über 4000 Zügen und auf 30’000 Buslinien befördert.

Um Kundinnen und Kunden das Reisen noch zeitgemäßer und angenehmer zu machen, wurde das Ticketingsystem für alle Vertriebskanäle neu gestaltet. Das Ergebnis sind innovative digitale Dienste wie Online-Ticketing und mobile Apps.

Im Hintergrund des Ticketingsystems wurde die gesamte Geschäftslogik und damit die Datenstruktur der Stellwerke überarbeitet. Um die Auslastung der Züge zu messen oder vorherzusagen, war beispielsweise nicht mehr – wie bisher – der Fahrkartenkauf für eine bestimmte Strecke relevant, sondern der Fahrkartenkauf für einen bestimmten Zug. Zahlreiche neue KPIs und Qualitätsstandards wurden eingeführt, wie z. B. der Behebungsgrad von Störungen und der Anteil der Züge mit geeignetem Wi-Fi oder Kinderkino.

Es liegt auf der Hand, dass bei dieser Umstellung Terabytes an Daten generiert wurden, die aufbereitet, strukturiert und den Dienststellen zu Auswertungs- und Kontrollzwecken zur Verfügung gestellt werden mussten. Aber weder das bestehende Data Warehouse noch die modernisierte IT-Systemarchitektur konnten den neuen Anforderungen gerecht werden.

Dieser Umstand führte die ÖBB zum biGENIUS-Team – mit dem Ziel, ein völlig neues Enterprise Data Warehouse (EDWH) aufzubauen, das eine wesentliche Anforderung zu erfüllen hatte: So musste es innerhalb kürzester Zeit Reporting-Grundlagen liefern und einen möglichst agilen evolutionären Ansatz verfolgen. Dies führte dazu, dass das "E" in EDWH heute für EVOLUTIONARY steht.

GRUNDLAGEN FÜR DIE LÖSUNG

Es gibt drei verschiedene Ansätze zur Entwicklung von Data Warehouses:

Beim "business-driven" Ansatz liegt der Fokus auf den Informationsbedürfnissen der Endanwender, d. h. die technischen Anforderungen an das DWH werden im Rahmen des Requirements Engineering und der KPIs ermittelt. Darauf aufbauend wird zunächst ein Geschäftsdatenmodell, dann ein technisches Datenmodell und schließlich alle Strukturen des DWHs bis hin zur Erschließung der benötigten Datenquellen entwickelt.

Beim "datengetriebenen" Ansatz ist genau das Gegenteil der Fall. Nach Analyse der verfügbaren Datenquellen wird das DWH entsprechend den technisch möglichen Verknüpfungen implementiert. Über die verschiedenen Layer eines DWH werden die Informationen integriert und dem Endnutzer zur Verfügung gestellt. Allerdings gibt es zwei wesentliche Nachteile: Zum einen ist da die enorme Informationsbreite, da alle verfügbaren Datensätze extrahiert werden. Zum anderen besteht die Gefahr, dass die Endnutzer die bereitgestellten Informationen in einer anderen Form benötigen.

Der dritte und weniger bekannte Ansatz ist das "methodengetriebene" Modell, das die ersten beiden Ansätze kombiniert. Diesem Ansatz folgend werden etablierte und bewährte DWH-Architektur-Blueprints verwendet und dann an die spezifischen Bedürfnisse der Geschäftsbereiche angepasst. Dies war die Grundlage für das evolutionäre Data Warehouse (EDWH).

solution puzzle

DIE LÖSUNG

Wachsende Anforderungen der verschiedenen Geschäftsbereiche in der gesamten Organisation des ÖBB-Personenverkehrs stellten eine große Herausforderung an die bestehende Data-Warehouse-Lösung dar. Eine rasche Integration mehrerer neuer Datenquellen (z.B. Kundenkartensystem, Webshop und Ticketing-System, Revenue Management etc.) war erforderlich.

Als Projektansatz wählte Trivadis den evolutionären Ansatz, bei dem es vor allem um eine iterative Umsetzung kleiner Projektinhalte mit hohem Automatisierungsgrad in kurzen Release-Zyklen geht.

Zunächst wurde ein neues BI-Kompetenzzentrum gegründet. In enger Zusammenarbeit mit den Geschäftsbereichen wurden die Anforderungen an die neue Data-Warehouse-Lösung erhoben und definiert. Die Implementierung und Integration mehrerer neuer Datenquellen erfolgte in kurzen Iterationen und folgte der agilen Entwicklungsmethodik. Dank der fortgeschrittenen Data-Warehouse-Automatisierung konnten der Entwicklungsaufwand und die Lieferzeit auf ein Minimum reduziert werden.

"Der agile Projektansatz wird sich bei der Entwicklung von Data Warehouses weiterhin durchsetzen. Zusätzlich bietet die Automatisierung, insbesondere im Hinblick auf Datenarchitektur und Datentransformationen, entscheidende Vorteile. Neben der stark businessorientierten Methodik bringt Trivadis die technischen Standards zusammen mit erprobten und bewährten Best Practices in Entwicklungsprojekte ein", erklärt Günther Krobath, Delivery Manager bei Trivadis in Wien.

benefits boost up

NUTZEN

Traditionelle Data-Warehouse-Lösungen können mit den kürzeren Intervallen neuer Anforderungen nicht mehr Schritt halten. Bis zu ihrer Implementierung hat sich der Informationsbedarf meist geändert oder ist sogar ganz weggefallen und neue Aspekte sind hinzugekommen. Mit der Standardisierung und Automatisierung gewinnen DWH-Prozesse jedoch an Effektivität, da erhebliche Zeit- und Kostenvorteile realisiert werden können. Das Herzstück eines evolutionären Data Warehouse ist ein Data-Warehouse-Generator, der wiederkehrende Aufgaben automatisiert.

Dadurch ergeben sich immense Zeiteinsparungen bei der Implementierung, z. B. kann der Prozess von der Definition der Anforderungen in den Geschäftsbereichen bis zur Implementierung innerhalb von Stunden oder wenigen Tagen abgeschlossen werden. Der Einsatz eines Generators bringt einen weiteren positiven Nebeneffekt: Er gewährleistet die Einhaltung von Standards und einen weitaus geringeren Testaufwand. Entscheidend für den Erfolg ist, wie flexibel der Generator an die gewünschte DWH-Architektur angepasst werden kann und ob die gesamte Geschäftslogik zur Verarbeitung der Daten im Tool verwaltet werden kann. Ein hohes Maß an Anpassbarkeit des Generators ist die Voraussetzung, um die Vorteile der Automatisierung über den gesamten Lebenszyklus eines Data Warehouse nutzen zu können.

TECHNOLOGIEN & PRODUKTE

  • SAP Business Objects
  • Oracle
  • biGENIUS

 

KUNDE & INDUSTRIE

ÖBB Personenverkehr AG, Verkehr & Logistik

ERFOLG DURCH ZUSAMMENARBEIT

 

In enger Zusammenarbeit von ÖBB Personenverkehr mit Trivadis wurde zu Beginn des Projektes die grundlegende Methodik eingeführt und die Abteilungen sehr früh in den iterativen Prozess eingebunden.

"Evolutionäres Data Warehousing ermöglichte die gewünschte kurze Time-to-Market-Strategie in enger Abstimmung mit dem Business. Anforderungen konnten in sehr kurzer Zeit in Ergebnisse umgesetzt werden. Trivadis hat uns dabei bestmöglich unterstützt und ihr langjähriges Know-how in die Prozesse eingebracht", berichtet Roman Novak, Chief Information Architect ÖBB Personenverkehr.